Волна интереса к самостоятельной разработке AI-агентов продолжает расти, и это уже не просто хайп. Если месяц назад в сообществе обсуждали, почему closed-box платформы неудобны, то теперь вроде Julian Goldie и других практиков набирают аудиторию на конкретных гайдах по сборке с нуля. Это не случайно: когда ты привязан к API одной компании с её лимитами, доступностью и ценовой политикой, кастомное решение начинает выглядеть разумнее.

За этим стоит реальная боль. Готовые платформы обещают быстрый старт, но отдают контроль: ты не видишь, как система принимает решения, не можешь переучить агента на своих данных без согласования с платформой, не управляешь затратами на использование. Когда же тебе нужна интеграция с legacy-системами, специальная логика или, скажем, работа в условиях географических ограничений, ready-made решение становится только дороже. Разработчики это понимают и выбирают путь сложнее на входе, но свободнее потом.

Важно, что это не означает отказ от LLM вообще. Речь про архитектуру: вместо того чтобы использовать агент-конструктор от OpenAI или похожий сервис, люди берут открытые модели, фреймворки типа LangChain/LlamaIndex и собирают собственный оркестр: управление контекстом, кэширование, маршрутизация запросов, обработка ошибок. Это требует времени, но результат полностью предсказуем и контролируем.

В России это применимо в первую очередь там, где критичны безопасность данных или нарушение внешних сервисов создало бы операционный риск: финтех, энергетика, госсектор. Есть смысл инвестировать в разработку собственного слоя автоматизации для работы с документами, клиентскими запросами или внутренними процессами, чем привязываться к внешним платформам. Инструменты для такой сборки — фреймворки, документация, примеры кода — сейчас в открытом доступе, и это делает задачу реалистичной даже для команд среднего размера.

Сообщество сейчас находится в точке, где готовые платформы теряют монополию на рынок agent-based решений. Это здорово: конкуренция между подходами означает, что разработчик может реально выбрать, что ему нужно, вместо того чтобы впихивать задачу под предложенный инструмент. Тот факт, что контент на эту тему набирает 30% больше просмотров, чем обычно, показывает, что это не маргинальный интерес энтузиастов, а реальный сдвиг в том, как люди планируют внедрения.